Un bambino, una mutazione, una terapia costruita apposta per lui. La medicina comincia a correggere alcuni errori genetici all’origine della malattia. E l’intelligenza artificiale può aiutare a rendere questo percorso più rapido, preciso e accessibile.
Il mercato di quel farmaco e’ composto da una persona.
Un bambino americano, conosciuto come KJ, nato con una malattia genetica gravissima. Il suo organismo non riusciva a smaltire correttamente l’ammoniaca prodotta dal metabolismo delle proteine. Una funzione che in quasi tutti noi avviene senza richiedere attenzione diventava, per lui, una minaccia al cervello e alla vita.
I ricercatori del Children’s Hospital of Philadelphia e dell’Università della Pennsylvania hanno affrontato il problema con una scelta straordinaria: progettare una terapia per la sua specifica mutazione. Dalla diagnosi al primo trattamento sono trascorsi circa sei mesi. Il caso è stato presentato nel maggio 2025. (nih.gov⁠)
La notizia merita di essere osservata da vicino, perché dentro la storia di un bambino potrebbe esserci l’inizio di un diverso modo di produrre medicina.
E qui entra in giuoco anche l’intelligenza artificiale. Non come una macchina che inventa da sola una cura, né come un sostituto dei ricercatori. Piuttosto come uno strumento capace di analizzare rapidamente grandi quantità di dati genetici, confrontare mutazioni, simulare possibili interventi e aiutare a individuare le sequenze più promettenti.
L’industria farmaceutica cerca normalmente una molecola capace di aiutare una popolazione di pazienti. Sostiene i costi della ricerca, affronta le sperimentazioni e, se il percorso riesce, distribuisce il prodotto. Il numero delle persone trattabili conta: deve consentire di recuperare l’investimento.
Per chi ha una mutazione rarissima, questo meccanismo può diventare un ostacolo. Il bisogno è enorme per la famiglia, minuscolo per il mercato.
La terapia di KJ indica una possibilità diversa: costruire una piattaforma tecnologica e adattare una parte del trattamento all’errore genetico del paziente. La personalizzazione rimane complessa, ma non deve necessariamente significare ricominciare ogni volta da zero.
L’AI può contribuire proprio a ridurre il tempo necessario per questa personalizzazione. Può aiutare a leggere il genoma, classificare le varianti, prevedere come una mutazione alteri una proteina e selezionare gli strumenti di editing più adatti. Può inoltre supportare la progettazione delle molecole che trasportano il trattamento verso le cellule interessate.
Ma il suo ruolo ha confini precisi. Un modello può suggerire una sequenza o stimare un rischio; non può dimostrare da solo che una terapia sia sicura. Le ipotesi devono essere verificate in laboratorio, sottoposte a controlli regolatori e valutate clinicamente. L’intelligenza artificiale accelera alcune fasi della ricerca, ma non elimina la biologia, la sperimentazione né la responsabilità dei medici.
Nel suo caso è stata utilizzata una tecnica chiamata base editing, appartenente alla famiglia CRISPR. Consente di modificare una specifica lettera del DNA. Il trattamento è stato trasportato verso le cellule del fegato attraverso nanoparticelle lipidiche.
Nelle prime osservazioni cliniche il bambino ha potuto ricevere più proteine nell’alimentazione e ha avuto bisogno di meno farmaci per controllare l’ammoniaca. Sono risultati incoraggianti, non la dimostrazione di una guarigione definitiva: servono controlli prolungati per capire durata dei benefici e sicurezza. (nih.gov⁠)
La meraviglia scientifica sta nella precisione dell’intervento. Si prova a modificare, in alcune cellule, l’istruzione difettosa da cui nasce la malattia. Il limite è altrettanto concreto: raggiungere le cellule giuste, ottenere una correzione sufficiente e verificare che non vengano introdotte modifiche indesiderate.
Anche qui l’AI può essere utile. I sistemi computazionali possono prevedere quali siti del DNA rischiano di essere modificati per errore, confrontare migliaia di possibili guide CRISPR e aiutare a scegliere quelle con il profilo di sicurezza migliore. Possono inoltre analizzare i dati prodotti durante i test e segnalare anomalie difficili da individuare manualmente.
Non siamo davanti a una tecnica capace di riscrivere liberamente un essere umano. Parliamo di un intervento sperimentale mirato, nelle cellule del paziente, per affrontare una patologia precisa.
E non siamo davanti neppure a un’intelligenza artificiale capace di prescrivere autonomamente una cura. Il valore dell’AI sta nel collegare più velocemente dati e ipotesi. La decisione resta scientifica, clinica ed etica.
Eppure la prospettiva è abbastanza grande da cambiare le domande.
Se una piattaforma può essere adattata a mutazioni differenti, il suo valore potrebbe dipendere dalla capacità di generare una famiglia di trattamenti. I ricercatori coinvolti nel caso hanno proposto un percorso di sperimentazione che includa più disturbi del ciclo dell’urea e varianti genetiche diverse, utilizzando lo stesso tipo di strumento di correzione. È un progetto per ampliare l’accesso, non una prova che il problema sia già risolto. (chop.edu⁠)
In questo scenario, l’AI potrebbe diventare una sorta di acceleratore della piattaforma: non una cura unica per tutti, ma un sistema capace di adattare più rapidamente una tecnologia comune a pazienti diversi.
Qui comincia la parte economica della rivoluzione.
Quanto costerà preparare il secondo trattamento? E il centesimo? Quali controlli potranno essere condivisi e quali dovranno essere ripetuti per ogni paziente? Quanto rapidamente si potrà arrivare alla somministrazione, quando la malattia concede pochi mesi?
L’intelligenza artificiale potrebbe ridurre alcuni costi di ricerca e abbreviare le fasi di progettazione. Ma addestrare, validare e controllare questi sistemi richiede dati, infrastrutture e competenze. Inoltre, un modello affidabile deve essere verificato proprio nei casi più rari, quelli per i quali i dati disponibili sono scarsi.
La risposta determinerà se resteremo davanti a interventi eccezionali oppure costruiremo un servizio sanitario nuovo.
Un costo iniziale elevato, da solo, non racconta tutto. Una terapia efficace potrebbe evitare ricoveri, complicazioni e anni di assistenza. Ma questi risparmi sono una possibilità da dimostrare. I sistemi sanitari dovranno confrontare benefici, rischi e costi nel tempo, senza scambiare l’entusiasmo per una valutazione clinica.
Ci sarà anche una questione di accesso. Una cura personalizzata richiede diagnosi genetiche tempestive, laboratori, produzione controllata e centri capaci di seguire il paziente. Se queste competenze restano concentrate in pochi luoghi, la distanza da un ospedale può diventare una distanza dalla possibilità di essere curati.
L’AI potrebbe rendere più semplice interpretare i dati genetici anche in centri meno specializzati, ma solo se sarà integrata in reti cliniche solide. Un algoritmo non sostituisce il sequenziamento, il laboratorio, il genetista o il medico che deve parlare con la famiglia. Può però aiutare a collegare più rapidamente il paziente al centro e al percorso giusti.
Per l’Italia, la scelta comincia prima che queste terapie siano diffuse. Occorre decidere dove sviluppare competenze, come collegare ricerca e assistenza, come condividere infrastrutture costose e come governare l’uso dei dati sanitari. Una rete ben organizzata potrebbe permettere a un paziente di essere riconosciuto vicino a casa e trattato nel centro più adatto.
Sarà importante anche stabilire chi controlla i dati, come vengono utilizzati per addestrare i modelli e come si evitano errori o discriminazioni. Le malattie rare producono pochi dati per ciascuna patologia, ma spesso richiedono di condividere informazioni tra Paesi e istituzioni. La qualità della ricerca dipenderà dalla qualità di questa collaborazione.
È una forma d’innovazione nella quale la collaborazione conta quanto l’invenzione. Il caso di KJ ha unito ricerca accademica, sostegno pubblico e contributi industriali. La velocità del trattamento è nata da conoscenze e strumenti preparati molto prima che quel bambino nascesse. (nih.gov⁠⁠)
L’intelligenza artificiale può aggiungere velocità a questo sistema, ma non può sostituirne i presupposti: dati affidabili, ricerca di base, laboratori, finanziamenti, regole e persone capaci di interpretare i risultati.
La sua storia ci offre dunque una misura diversa del progresso. Una tecnologia può essere straordinaria anche quando serve, per cominciare, a una sola persona. Anzi, proprio quel numero rende visibile ciò che altrimenti rischia di scomparire nei grandi conti della sanità: il bisogno di chi è troppo raro per diventare un mercato.
Un farmaco con un solo paziente sembrava un’eccezione difficile da immaginare.
Ora esiste un precedente. E l’AI potrebbe aiutare a trasformarlo in un metodo.
Il futuro dipenderà dalla nostra capacità di trasformare quel precedente in un percorso: dalla diagnosi alla cura, dalla scoperta all’accesso. Perché la conquista più grande sarà fare in modo che il prossimo bambino non debba essere un’eccezione per avere una possibilità.

 

di Isabella Zotti Minici